Question

这就是场景。我希望能够使用python脚本备份文件夹的内容。但是，我希望我的备份以压缩格式存储，可能是bz2。

问题来自于，如果“current”文件夹中的内容与我最近的备份中的内容完全相同，我不想打扰备份文件夹。

我的流程将是这样的：

启动备份
根据最新的压缩备份中存储的内容检查“当前”文件夹的内容
如果相同 - 那么“完成”
如果不同，则运行备份，然后“完成”

任何人都可以推荐最可靠，最简单的方法来完成第二步吗？我是否必须将备份的内容解压缩并存储在临时目录中以进行比较，或者是否有更优雅的方法来执行此操作？可能与修改日期有关吗？

Answer 1

Zip文件包含CRC32校验和，您可以使用python zipfile模块读取它们：http://docs.python.org/2/library/zipfile.html。您可以从ZipFile.infolist（）获取具有CRC成员的ZipInfo对象列表。 ZipInfo对象中还有修改日期。

您可以将zip校验和与已解压缩文件的计算校验和进行比较。您需要阅读解压缩的文件，但不必解压缩所有内容。

CRC32不是加密校验和，但如果您只需检查更改，它就足够了。

这适用于zip文件。其他存档格式（如tar.bz2）可能不包含易于访问的元数据。

Answer 2

Rsync将自动检测并仅复制已修改的文件，但看到您想要对结果进行bzip，您仍需要检测是否有任何更改。

如何将目录列表（包括时间戳）输出到存档旁边的文本文件中。下次diff针对此存储文本的当前目录结构。您可以将差异输出并将此文件列表通过管道传输到include这些已更改的文件。

Answer 3

您还可以尝试以下过程：

1）启动备份

2）运行备份

3）比较两个压缩文件：

import filecmp
filecmp.cmp(Compressed_new_file, Compressed_old_file, shallow=True)

4）如果相同 - 删除新的备份文件，然后“完成”

5）否则“完成”

注意：如果您需要检查修改之间的时间，可以查看this documentation

我认为比较压缩文件可能更容易，而不是解压缩文件夹并比较单个文件。总的来说，我觉得（好吧，这只是一种直觉：D）如果文件夹的内容很可能在您运行脚本的时间之间发生变化，这将会更好

Answer 4

我使用此脚本来创建目录的压缩备份仅在上次备份后目录内容发生变化时才会显示。

我使用外部md5文件存储备份文件的摘要，然后检查它可以检测目录更改。

import hashlib
import tarfile
import bz2
import cStringIO
import os

def backup_dir(dirname, backup_path):
    fobj = cStringIO.StringIO()
    t = tarfile.open(mode='w',fileobj=fobj)
    t.add(dirname)
    t.close()
    buf = fobj.getvalue()
    new_md5 = hashlib.md5(buf).digest()

    if os.path.isfile(backup_path + '.md5'):
        old_md5 = open(backup_path + '.md5').read()
    else:
        old_md5 = ''

    if new_md5 <> old_md5:
        open(backup_path, 'wb').write(bz2.compress(buf))
        open(backup_path + '.md5', 'wb').write(new_md5)
        print 'backup done!'
    else:
        print 'nothing to do'

如何优雅地比较zip文件夹内容和解压缩的文件夹内容

4 个答案: